期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
土壤养分高光谱反演研究现状及展望
1
作者 陈昊宇 牟金燚 +4 位作者 项磊 索晓晶 滑博伟 高贺 董文成 《江西农业》 2025年第1期84-86,共3页
土壤是重要的农业生产基石,其中的养分更是农作物生长重要因素之一,决定着作物的生长速度、产量以及品质。同时,在调节气候、保持水分平衡、维持生物多样性、过滤净化污染物等方面也有着重要意义。随着科技领域的迅速发展,尤其是电子技... 土壤是重要的农业生产基石,其中的养分更是农作物生长重要因素之一,决定着作物的生长速度、产量以及品质。同时,在调节气候、保持水分平衡、维持生物多样性、过滤净化污染物等方面也有着重要意义。随着科技领域的迅速发展,尤其是电子技术、信息技术与现代农业技术的深度融合,精准农业已成为推动农业转型升级的重要趋势。在此背景下,高效、非侵入式且精确的土壤养分监测技术显得尤为重要,它构成了精准农业实践中的核心。高光谱遥感技术,以其独特的优势——较短的作业周期、相对较低的成本投入以及高度的时效性,为土壤养分的即时分析与诊断开辟了新路径,有效助力精准农业策略的实施与优化。土壤有机质和全氮作为农业生态系统健康的重要指标,其高光谱反演技术已相对成熟,研究者们通过不同方法和技术手段显著提高了预测精度。土壤全磷和全钾的高光谱研究起步较晚,但近年来也取得了显著进展,为精准农业和土壤健康评估提供了有力支持,尽管如此,当前研究仍存在一些问题,如全磷全钾研究相对较少、光谱数据处理方法有待优化、模型评价不够全面等。未来,随着光谱技术的不断发展和数据处理方法的持续优化,土壤养分的高光谱反演研究有望进一步深入,为农业生产提供更加精确和高效的解决方案。 展开更多
关键词 高光谱 土壤养分 反演 精准
在线阅读 下载PDF
不同利用方式对大针茅草原植被群落特征的影响 被引量：1
2
作者 索晓晶 项磊 +7 位作者 高贺 运向军 哈斯巴根 吴金蕊 董文成 滑博伟 牟金燚 王琪 《草业学报》 CSCD 北大核心 2024年第4期12-21,共10页
探究不同利用方式对大针茅典型草原群落植被特征的影响,可为大针茅草原制定合理科学的利用制度提供理论依据。本试验将大针茅典型草原作为研究对象,基于入户调查在打草场、全年放牧及季节轮牧3种利用方式的草地上进行植物群落调查,计算... 探究不同利用方式对大针茅典型草原群落植被特征的影响,可为大针茅草原制定合理科学的利用制度提供理论依据。本试验将大针茅典型草原作为研究对象,基于入户调查在打草场、全年放牧及季节轮牧3种利用方式的草地上进行植物群落调查,计算重要值以及多样性指数,分析植物多样性与生物量的关系。结果表明:1)3种利用方式下大针茅草原的优势植物类群一致;2)3种利用方式下群落物种多样性无显著差异,但功能群的物种多样性差异显著,多年生禾草的物种多样性在打草场和季节轮牧下高于全年放牧,灌木半灌木的物种多样性则在全年放牧下高于打草场和季节轮牧;3)打草场和季节轮牧的地上现存量显著高于全年放牧,多年生禾草的相对地上现存量在打草场中高于季节轮牧,多年生杂类草则与之相反;4)在打草场和季节轮牧下,植物多样性与地上现存量呈显著正相关关系。综上,打草场和季节轮牧在维持较高的物种多样性的同时能保持较高的地上现存量,更加有利于大针茅草原的可持续利用,但两者维持生态系统功能的群落结构有所不同。 展开更多
关键词 利用方式 典型草原 生产力 多样性
在线阅读 下载PDF
基于分数阶微分的土壤全氮高光谱反演 被引量：9
3
作者 陈昊宇 项磊 +3 位作者 高贺 牟金燚 索晓晶 滑博伟 《自然资源遥感》 CSCD 北大核心 2023年第3期170-178,共9页
为快速无损地获取托克托县土壤全氮含量,满足当今精准农业的要求,文章以研究区内120个采样点的土壤全氮含量与高光谱数据为数据源,利用分数阶微分(1~2阶)间隔0.1对光谱数据进行处理,筛选敏感波段,利用支持向量机(support vector machine... 为快速无损地获取托克托县土壤全氮含量,满足当今精准农业的要求,文章以研究区内120个采样点的土壤全氮含量与高光谱数据为数据源,利用分数阶微分(1~2阶)间隔0.1对光谱数据进行处理,筛选敏感波段,利用支持向量机(support vector machine,SVM)与BP神经网络模型共建立24个土壤全氮反演模型,结果表明:①经过分数阶微分处理后,光谱的波峰、波谷处信息被放大,随分解尺度的增加,其余波段的反射率逐渐趋于0;②原始光谱与土壤全氮的皮尔森相关系数r=0.61,经分数阶微分处理后,在1.1阶处达到最大值r=-0.67,绝对值较之前提升了0.06;③BP神经网络预测模型结果优于SVM预测模型结果,本研究最佳土壤全氮预测模型为1.1阶微分处理后建立的BP神经网络模型,建模集R 2为0.75,均方根误差(root mean square error,RMSE)为0.16,验证集R 2为0.71,RMSE为0.16,相对分析误差(relative percent deviation,RPD)为2.06,可有效反演当地土壤全氮含量,相对于原始光谱建立的BP神经网络模型精度有较高提升。因此,利用1.1阶微分处理后的高光谱数据建立BP神经网络模型可实现对研究区土壤全氮含量的反演预测,可为当地精准农业的发展提供理论参考与技术支撑。 展开更多
关键词 分数阶微分 BP神经网络 支持向量机 精准农业
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部